大模型评测困境，从数学难题到智能体绕过，衡量标准何去何从
随着大模型能力的提升，传统评测基准因基准污染、题目缺陷以及智能体绕过机制而失效。数学难题曾被视为理想的新赛场，但其验证依赖专家且资源稀缺。业界正探索动态题库、真...
共 3 篇相关文章
随着大模型能力的提升，传统评测基准因基准污染、题目缺陷以及智能体绕过机制而失效。数学难题曾被视为理想的新赛场，但其验证依赖专家且资源稀缺。业界正探索动态题库、真...
2026年9月，菲尔兹奖得主陶哲轩在社交媒体上连发四帖，引发数学界对AI介入数学研究的广泛讨论。他与24位同行共同签署声明，指出AI正改变数学探究的核心逻辑，从...
近期，AI在数学领域的表现引发学界热议。OpenAI前训练VP Liam Fedus回应菲尔兹奖得主陶哲轩关于AI应推动理解而非仅求解的批评，认为未来AI不仅能...
